Önceki bölümde psikologların deney, anket ve gözlem gibi yöntemlerle nasıl veri topladığını öğrendik. Peki, bu veriler toplandıktan sonra ne olur? Yüzlerce, hatta binlerce katılımcıdan elde edilen sayılar yığını kendi başına bir şey ifade etmez. İşte bu noktada psikolojinin en güçlü ama en çok korkulan aracı devreye girer: İstatistik.
İstatistik, en basit tanımıyla, veriyi organize etme, özetleme ve yorumlama bilimidir. O, psikoloğun topladığı ham veriyi anlamlı bir hikayeye dönüştüren bir dildir. Tıpkı bir tercüman gibi, sayıların sessiz dilini bizim anlayabileceğimiz sonuçlara çevirir. Bu yazıda, bu dilin temel gramerini öğrenecek ve bir araştırma okurken karşınıza çıkacak “anlamlı bir fark bulunmuştur” gibi ifadelerin ardında yatan mantığı çözeceğiz.
Adım 1: Veriyi Özetlemek – Betimsel İstatistik
Bir araştırma bittiğinde, psikoloğun elinde genellikle bir Excel tablosu dolusu sayı olur. İlk görev, bu kaotik görüntüyü anlaşılır bir hale getirmektir. Betimsel istatistikler, tam olarak bu işe yarar: verinin genel bir resmini, bir nevi anlık fotoğrafını çekerler.
Merkezi Eğilim Ölçüleri: “Tipik” Olanı Bulmak
Bu ölçüler, bir veri setindeki “tipik” veya “merkezi” değeri bulmaya çalışır. Üç ana ölçü vardır:
- Ortalama (Mean): Hepimizin bildiği aritmetik ortalamadır. Tüm değerler toplanır ve değer sayısına bölünür.
- Medyan (Median): Veriler küçükten büyüğe sıralandığında tam ortada kalan değerdir.
- Mod (Mode): Veri setinde en sık tekrar eden değerdir.
Peki neden üç farklı ölçüye ihtiyacımız var? Çünkü bazen ortalama yanıltıcı olabilir. Şöyle bir örnek düşünelim: Küçük bir şirkette 9 çalışanın maaşı 5.000 TL, patronun maaşı ise 95.000 TL olsun.
- Ortalama Maaş: (9 * 5.000 + 95.000) / 10 = 14.000 TL. Bu rakam, şirketteki “tipik” maaşı yansıtıyor mu? Hayır. Patronun maaşı, ortalamayı tek başına yukarı çekmiştir.
- Medyan Maaş: Maaşları sıraladığımızda (5000, 5000, …, 95000), tam ortadaki değer 5.000 TL’dir. Bu, şirketteki durumu çok daha dürüst bir şekilde özetler.
- Mod Maaş: En çok tekrar eden maaş 5.000 TL’dir.
Bu örnekte gördüğümüz gibi, patronun maaşı gibi aşırı uç değerler (outliers) olduğunda, medyan ortalamadan çok daha güvenilir bir ölçüdür. Bir araştırma okurken, “ortalama gelir” gibi ifadelere her zaman şüpheyle yaklaşmak ve medyanın ne olduğunu sorgulamak önemlidir.
Dağılım Ölçüleri: Veriler Ne Kadar Yaygın?
Merkezi eğilim bize sadece resmin merkezini gösterir. Ama verilerin bu merkez etrafında ne kadar yayıldığı da en az o kadar önemlidir. Örneğin, iki farklı şehirdeki hava sıcaklığının yıllık ortalaması 15 derece olabilir. Ama bir şehirde sıcaklıklar yıl boyu 10-20 derece arasında seyrederken, diğerinde yazın 40 dereceye çıkıp kışın -10’a düşüyor olabilir. İki şehrin iklimi aynı mıdır? Elbette değil.
Standart sapma, verilerin ortalamadan ne kadar uzaklaştığını gösteren en yaygın ölçüdür.
- Küçük Standart Sapma: Verilerin çoğu ortalamaya çok yakındır. (Herkesin 45-55 arası not aldığı sınıf gibi). Bu, grupta bir homojenlik olduğunu gösterir.
- Büyük Standart Sapma: Veriler ortalamadan çok uzağa yayılmıştır. (Notların 10 ile 90 arasında dağıldığı sınıf gibi). Bu, grupta büyük bir çeşitlilik (heterojenlik) olduğunu gösterir.
Adım 2: Sonuç Çıkarmak – Çıkarımsal İstatistik
Betimsel istatistikler veriyi özetledikten sonra, asıl heyecanlı ve önemli kısım başlar. Çıkarımsal istatistikler, elimizdeki küçük bir örneklemden (örneğin, deneye katılan 100 üniversite öğrencisi) yola çıkarak, daha büyük bir popülasyon (örneğin, tüm üniversite öğrencileri) hakkında bilimsel genellemeler yapmamızı ve sonuçlar çıkarmamızı sağlar.
Anlamlı Bir Fark mı, Yoksa Sadece Şans mı?
Önceki yazımızdaki kafein deneyini hatırlayalım. Deney grubu (kafeinli kahve) hafıza testinden ortalama 85, kontrol grubu (kafeinsiz kahve) ise 80 aldı. Arada 5 puanlık bir fark var. Şimdi sormamız gereken en önemli bilimsel soru şu: Bu 5 puanlık fark, kafeinin gerçek bir etkisinden mi kaynaklanıyor, yoksa sadece şans eseri mi ortaya çıktı? Belki de deney grubundaki insanlar tesadüfen daha iyi bir günündeydi veya o gün daha iyi uyumuşlardı.
İşte istatistiksel anlamlılık (genellikle p-değeri ile ifade edilir) burada devreye girer. Bilim insanları bir deneye başlarken, aslında “iki grup arasında hiçbir fark yoktur” varsayımıyla yola çıkarlar. Buna sıfır hipotezi (null hypothesis)denir. Amaçları, bu “fark yoktur” varsayımını çürütecek kadar güçlü kanıt bulmaktır.
p-değeri, eğer “fark yoktur” varsayımı doğru olsaydı, bizim deneyde bulduğumuz bu sonucun (veya daha aşırı bir sonucun) sadece şans eseri ortaya çıkma olasılığını gösterir.
- Psikolojide genel kabul gören sınır p < 0.05‘tir.
- Bu, bir nevi mahkeme gibidir: “Eğer bulduğumuz bu kanıtın (5 puanlık fark) masum bir sanıktan (fark yoktur varsayımı) çıkma olasılığı %5’ten küçükse, biz sanığı suçlu buluruz.” Yani, sonucu “istatistiksel olarak anlamlı” kabul ederiz ve şansa değil, gerçek bir etkiye bağlarız.
- Eğer p-değerimiz 0.03 çıkarsa, sonucun şans eseri olma ihtimali sadece %3’tür. Bu, %5’lik şüphe sınırımızın altındadır. Bu durumda, “Kafein hafızayı anlamlı derecede güçlendirmiştir” diyebiliriz.
- Eğer p-değerimiz 0.30 çıkarsa, sonucun şans eseri olma ihtimali %30’dur. Bu çok yüksek bir olasılıktır, bu yüzden “fark yoktur” varsayımını çürütemeyiz ve “Gruplar arasında anlamlı bir fark bulunamamıştır” deriz.
Yani bir haberde “Bilim insanları X ve Y arasında bir ilişki buldu” okuduğunuzda, aslında kastedilen şey, bu ilişkinin şans eseri ortaya çıkma ihtimalinin çok düşük olduğunun istatistiksel olarak kanıtlanmış olmasıdır.
Sonuç olarak, istatistik psikolojinin teleskopu ve mikroskobudur. O olmadan, topladığımız veriler anlamsız birer sayı yığınından ibaret kalırdı. İstatistiksel okuryazarlık, sadece psikoloji öğrencileri için değil, aynı zamanda bilimsel iddialarla dolu bir dünyada yaşayan herkes için, neye inanıp neye şüpheyle yaklaşacağını bilmek adına kritik bir beceridir.
Gelecek Yazı: Psikolojide Etik: “Zarar Verme” İlkesi
Kaynakça ve İleri Okuma
- Gravetter, F. J., & Wallnau, L. B. (2016). Statistics for the Behavioral Sciences. Cengage Learning.
- Wheelan, C. (2013). Naked Statistics: Stripping the Dread from the Data. W. W. Norton & Company.